זיהוי ישויות מושכלות (Fine-Tuned Named Entity Recognition)
זיהוי ישויות מושכלות (Fine-Tuned Named Entity Recognition) מתאים מודל שפה שאומן מראש — לרוב BERT או אחד מנגזרותיו — למשימה של זיהוי וסיווג ישויות מושכלות (שמות אנשים, ארגונים, מיקומים, תאריכים וכו') בטקסט. באמצעות כוונון עדין (fine-tuning) על קורפוס מתויג קטן יחסית, המשתמשים משיגים ביצועי תיוג רצף מהשורה הראשונה (state-of-the-art) מבלי לאמן מודל מאפס.
קראו את השיטה במלואה
התחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. Proceedings of NAACL-HLT 2019, 4171–4186. DOI: 10.18653/v1/N19-1423 ↗
- Lample, G., Ballesteros, M., Subramanian, S., Kawakami, K., & Dyer, C. (2016). Neural Architectures for Named Entity Recognition. Proceedings of NAACL-HLT 2016, 260–270. DOI: 10.18653/v1/N16-1030 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Fine-Tuned Named Entity Recognition (Pre-trained Language Model NER). ScholarGate. https://scholargate.app/he/deep-learning/fine-tuned-named-entity-recognition
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- סיווג מבוסס BERTלמידה עמוקה↔ compare
- סיווג מבוסס BERT מכוונן עדיןלמידה עמוקה↔ compare
- סיכום טקסט מכוונן (Fine-Tuned Text Summarization)למידה עמוקה↔ compare
- סיווג מבוסס RoBERTaלמידה עמוקה↔ compare